| я. Выпускаются серийно в СССР, США и др. странах. Н. С. Лидоренко.
РАСПЛEТИН Александр Андреевич [12(25). 8. 1908, Рыбинск,- 8. 3. 1967, Москва], советский учёный и конструктор в области радиотехники и электроники, акад. АН СССР (1964; чл.-корр. 1958), Герой Социалистич. Труда (1956). Чл. КПСС с 1945. В 1930-36 работал в Центральной радиолаборатории. После окончания (1936) Ленингр. электротехнич. ин-та работал в различных н.-и. и проектных орг-циях и вёл научно-педагогическую работу. Гос. пр. СССР (1951), Ленинская пр. (1958). Награждён орденом Ленина и медалями. Портрет стр. 466.
РАСПОЗНАВАНИЕ ОБРАЗОВ, научное направление, связанное с разработкой принципов и построением систем, предназначенных для определения принадлежности данного объекта к одному из заранее выделенных классов объектов. Под объектами в Р. о. понимают различные предметы, явления, процессы, ситуации, сигналы. Каждый объект описывается совокупностью осн. характеристик (признаков, свойств) X = (х1,...,xi,...,xn), где i-я координата вектора X определяет значения i-й характеристики, и дополнит. характеристикой S, к-рая указывает на принадлежность объекта к нек-рому классу (образу). Набор заранее расклассифицированных объектов, т. е. таких, у к-рых известны характеристики X и S, используется для обнаружения закономерных связей между значениями этих характеристик и поэтому наз. обучающей выборкой. Те объекты, у к-рых характеристика S неизвестна, образуют контрольную выборку. Отд. объекты обучающей и контрольной выборок наз. реализациями.
Одна из осн. задач Р. о.- выбор правила (решающей функции) D, в соответствии с к-рым по значению контрольной реализации X устанавливается её принадлежность к одному из образов, т. е. указываются "наиболее правдоподобные" значения характеристики S для данного X. Выбор решающей функции D требуется произвести так, чтобы стоимость самого распознающего устройства, его эксплуатации и потерь, связанных с ошибками распознавания, была минимальной. Примером задачи Р. о. этого типа может служить задача различения нефтеносных и водоносных пластов по косвенным геофизич. данным. По этим характеристикам сравнительно легко обнаружить пласты, насыщенные жидкостью. Значительно сложнее определить, наполнены они нефтью или водой. Требуется найти правило использования информации, содержащейся в геофизич. характеристиках, для отнесения каждого насыщенного жидкостью пласта к одному из двух классов - водоносному или нефтеносному. При решении этой задачи в обучающую выборку включают геофизич. данные вскрытых пластов.
Успех в решении задачи Р. о. зависит в значительной мере от того, насколько удачно выбраны признаки X. Исходный набор характеристик часто бывает очень большим. В то же время приемлемое правило должно быть основано на использовании небольшого числа признаков, наиболее важных для отличения одного образа от другого. Так, в задачах мед. диагностики важно определить, какие симптомы и их сочетания (синдромы) следует использовать при постановке диагноза данного заболевания. Поэтому проблема выбора информативных признаков - важная составная часть проблемы Р. о.
Проблема Р. о. тесно связана с задачей предварит. классификации, или таксономией.
В осн. задаче P.O. о построении решающих функций D используются закономерные связи между характеристиками X и S, обнаруживаемые на обучающей выборке, и нек-рые дополнит. априорные предположения, напр. след. гипотезы: характеристики X для реализаций образов представляют собой случайные выборки из генеральных совокупностей с нормальным распределением (см. ниже - Р. о. в математической статистике); реализации одного образа расположены "компактно" (в нек-ром смысле); признаки в наборе X независимы и т. д.
В области Р. о. существенно используются идеи и результаты многих др. науч. направлений - математики, кибернетики, психологии и т. д.
В 60-х гг. 20 в. в связи с развитием электронной техники, в частности ЭВМ, широкое применение получили автоматич. системы распознавания. Под системами распознавания обычно понимают комплексы средств, предназначенных для решения описанных выше задач. Методы Р. о. используются в процессе машинной диагностики различных заболеваний, для прогнозирования полезных ископаемых в геологии, для анализа экономических и социальных процессов, в психологии, криминалистике, лингвистике, океанологии, химии, ядерной и космической физике, в автоматизированных системах управления и т. д. Их применение оправдано практически всюду, где приходится иметь дело с классификацией экспериментальных данных. См. также Кибернетика, Кибернетика техническая, Обучающаяся автоматическая система.
Лит.: Себестиан Г.-С., Процессы принятия решений при распознавании образов, пер. с англ., К., 1965; Бонгард М. М., Проблема узнавания, М., 1967; Цыпкин Я. З., Адаптация и обучение в автоматических системах, М., 1968; Айэерман М. А., Браверман Э. М. Розоноэр Л. И., Метод потенциальных функций в теории обучения машин, М., 1970; Загоруйко Н. Г., Методы распознавания и их применение, М., 1972; Вапник В. Н., Червоненкис А. Я., |
